Код руды: как оптимизировать измельчение руды с помощью искусственного интеллекта
В промышленности ценность систем на основе машинного обучения оценивается не в терабайтах данных, а в тоннах продукции. Редакция Techinsider.ru узнала, на каком языке программирования и с использованием каких цифровых инструментов написаны системы управления измельчением, классификацией и флотацией высокотехнологичного горно-обогатительного комбината.
Быстринский горно-обогатительный комбинат (ГОК) находится вблизи одноименного полиметаллического месторождения в Забайкальском крае. Еще в XIX веке на этой труднодоступной территории начали добывать серебро и свинец, а потом и золото. Промышленное освоение запасов началось лишь недавно, в 2017 году. Сегодня комбинат производит несколько видов концентратов: медный, магнетитовый и золотосодержащий. «Гринфилд»-проект стал одним из крупнейших в российской металлургической отрасли.
Высокотехнологичный современный комбинат строили в рекордные сроки: от «зеленой лужайки» до запуска прошло всего 3,5 года. На момент старта он был оснащен инновационными решениями, и сегодня предприятие продолжает искать, тестировать и внедрять новые цифровые подходы.
«Даже будучи одним из новейших комбинатов, Быстринский ГОК активно внедряет инновации для дальнейшего совершенствования производства, основываясь на грамотном сочетании современных технологий (машинного обучения, прогнозного управления) с инженерными знаниями и опытом», — говорит Алексей Тестин, директор Центра развития цифровых технологий.
Первым большим цифровым проектом Быстринского ГОКа стала система оптимизации процесса измельчения руды, одного из ключевых технологических узлов обогатительной фабрики. Опытный прототип, призванный повысить эффективность работы мельниц, запустили в 2023 году.
В режиме реального времени прототип управления измельчением собирал данные с датчиков первой стадии измельчения. Анализируя эти данные, он вычислял оптимальные параметры работы следующих этапов передела. Используя новые настройки, автоматизированная система управления технологическим процессом корректировала работу оборудования. Так прототип, изучая параметры руды в начале процесса, подстраивал работу мельниц.
Эффективность автоматизированного «цифрового» подхода оказалась неоспоримой — производительность переработки руды выросла на 2,64%, значительный показатель для крупного комбината. Также прототип смог значительно сократить время разгрузки мельниц самоизмельчения для проведения планового техобслуживания. Чем короче простои — тем больше «продукта».
«Одно дело — провести единичный успешный эксперимент, и совсем другое — интегрировать прототип в контур управления предприятием на постоянной основе. Необходимо было обеспечить надежность и отказоустойчивость системы, кибербезопасность, удобство эксплуатации и сервисной поддержки», —